Verwendung der Gemini 3.8 Flash API: Interaktions-API, Denkstufen und Ihr erster Aufruf in Apidog

Google hat Gemini 3.8 Flash am 2. September 2026 veröffentlicht. Die API-Modell-ID ist die einfache Zeichenfolge gemini-3.8-flash, ohne Preview-Suffix. Es behält den Einführungspreis von 3.7 Flash von 0,75 $ pro Million Eingabe-Tokens und 3,75 $ pro Million Ausgabe-Tokens bis zum 31. Dezember 2026 bei. Google beschreibt es als ein Modell, das „härter arbeitet“: Es unternimmt mehr Denkprozesse und ruft Tools häufiger bei komplexen Aufgaben auf, was sich in Ihrer Token-Rechnung bemerkbar macht.

Dieser Leitfaden deckt den gesamten Weg zu einer funktionierenden Integration ab: Das Abrufen eines Schlüssels in AI Studio, das Senden einer ersten Anfrage über die Interactions API (Googles primäre API für Gemini 3.x), das äquivalente Legacy generateContent, das die meisten bestehenden Codes noch verwenden, wo thinking_level jeweils hingehört, Streaming und wie man thoughtsTokenCount liest, damit die Denkkosten Sie nie überraschen. Jeder Aufruf ist reines HTTP mit JSON, sodass Sie jeden einzelnen in Apidog erstellen und überprüfen können, bevor er in den Anwendungscode gelangt.

Für eine Modellübersicht, Benchmarks und Änderungen beginnen Sie mit was Gemini 3.8 Flash ist. Googles Launch-Beitrag enthält die offizielle Einordnung.

Gemini 3.8 Flash API auf einen Blick

Zwei Details fallen auf, bevor Sie Code schreiben. Das Standard-Denk-Level ist medium, nicht high wie bei Gemini 3 Pro. Und Denk-Tokens werden zum Ausgabetarif auf der offiziellen Preisgestaltungsseite abgerechnet, sodass das von Ihnen gewählte Level sowohl eine Kosten- als auch eine Qualitätsentscheidung ist. Die Preisübersicht zeigt die Zahlen pro Aufgabe auf.

Schritt 1: API-Schlüssel in AI Studio abrufen

Öffnen Sie Google AI Studio, melden Sie sich mit einem Google-Konto an und erstellen Sie einen API-Schlüssel auf der Schlüssel-Seite. Der Schlüssel funktioniert sofort im kostenlosen Tarif, mit Ratenbegrenzungen und dem Hinweis, dass Google sagt, dass Daten des kostenlosen Tarifs „zur Verbesserung unserer Produkte verwendet werden“. Verknüpfen Sie ein Abrechnungskonto, um zu Tier 1 für Produktionslimits zu wechseln.

Exportieren Sie den Schlüssel, anstatt ihn in den Code einzufügen:

export GEMINI_API_KEY="AIza..."

Das offizielle Python SDK liest GEMINI_API_KEY aus der Umgebung, sodass genai.Client() keine Argumente benötigt. Installieren Sie es mit pip install google-genai.

Schritt 2: Ihr erster Aufruf mit der Interactions API

Google betrachtet die Interactions API nun als die primäre Methode zum Aufrufen von Gemini 3.x Modellen. Die Anfrage ist ein JSON-Objekt: das Modell, eine input und eine optionale generation_config, wo thinking_level platziert ist.

curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-3.8-flash",
    "input": "Explain HTTP caching in 3 sentences.",
    "generation_config": {"thinking_level": "medium"}
  }'

Die Antwort ist eine Liste von Ausführungsschritten anstelle einer einzelnen Nachricht. Modellgedanken und Tool-Aufrufe erscheinen als Schritte, und der letzte Schritt ist model_output, der den Text enthält. In Python glättet das SDK dies für Sie:

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="gemini-3.8-flash",
    input="Explain HTTP caching in 3 sentences.",
    generation_config={"thinking_level": "medium"},
)

print(interaction.output_text)

Lassen Sie temperature, top_p und top_k weg. Googles Empfehlung für jedes Gemini 3 Modell ist, die Temperatur bei ihrem Standardwert von 1.0 zu belassen, da eine Senkung „Schleifen oder eine verschlechterte Leistung verursachen kann“. Wenn Sie eine Konfiguration von einem älteren Modell kopiert haben, ist das die erste Zeile, die gelöscht werden sollte.

Schritt 3: Multi-Turn mit previous_interaction_id

Die Interactions API speichert den Konversationsstatus standardmäßig auf dem Server. Um eine Konversation fortzusetzen, senden Sie die id der vorherigen Antwort als previous_interaction_id zusammen mit der neuen Benutzereingabe. Sie senden den Verlauf nicht erneut.

follow_up = client.interactions.create(
    model="gemini-3.8-flash",
    input="Now give one example of a Cache-Control header.",
    previous_interaction_id=interaction.id,
)
print(follow_up.output_text)

Wenn Ihre Compliance-Regeln die serverseitige Speicherung verbieten, setzen Sie store: false. Der Nachteil ist, dass Sie den Zustand dann selbst verwalten müssen, einschließlich des genauen Zurücksendens der Gedankenblöcke und Gedankensignaturen des Modells, wie Sie sie bei jeder Runde erhalten haben. Das ist dieselbe Regel, die die Tool-Nutzung behindert, was im Leitfaden für Funktionsaufrufe für 3.8 Flash behandelt wird.

Schritt 4: Der Legacy generateContent-Pfad

Der meiste Gemini-Code in der Produktion ruft immer noch generateContent auf. Google bezeichnet es als Legacy, aber es „bleibt vollständig unterstützt“ ohne Enddatum, sodass Sie heute nichts umschreiben müssen. Unser Gemini 3.7 Flash API-Leitfaden behandelte nur diesen Pfad; die Struktur ist für 3.8 Flash identisch, und die Denk-Einstellung befindet sich an einer anderen Stelle als bei Interactions.

In generateContent befindet sich das Level unter generationConfig.thinkingConfig.thinkingLevel, in camelCase:

curl -X POST "https://generativelanguage.googleapis.com/v1beta/models/gemini-3.8-flash:generateContent" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [{"parts": [{"text": "Explain HTTP caching in 3 sentences."}]}],
    "generationConfig": {"thinkingConfig": {"thinkingLevel": "low"}}
  }'

Das Python-Äquivalent verwendet typisierte Konfigurationsobjekte:

from google import genai
from google.genai import types

client = genai.Client()

response = client.models.generate_content(
    model="gemini-3.8-flash",
    contents="Explain HTTP caching in 3 sentences.",
    config=types.GenerateContentConfig(
        thinking_config=types.ThinkingConfig(thinking_level="low")
    ),
)
print(response.text)

Wenn Sie von einer Konfiguration kommen, die thinking_budget als Ganzzahl verwendet hat, ersetzen Sie es durch das String-Enum. candidate_count ist auch bei Gemini 3 und neueren Versionen nicht mehr vorhanden. Die vollständige Checkliste mit Vorher-Nachher-JSON für jede Änderung finden Sie im 3.7 zu 3.8 Flash Migrationsleitfaden.

Hier ist die gleiche Reihe von Anliegen nebeneinander, sodass Sie zwischen den beiden APIs übersetzen können, ohne beide Dokumentationen erneut lesen zu müssen:

Schritt 5: Streaming und Ablesen der Denkkosten

Für Chat-Oberflächen tauschen Sie den Methodennamen gegen streamGenerateContent und fügen Sie ?alt=sse hinzu, um Server-Sent Events zu erhalten, einen partiellen candidates-Chunk pro Event:

curl -N "https://generativelanguage.googleapis.com/v1beta/models/gemini-3.8-flash:streamGenerateContent?alt=sse" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"contents":[{"parts":[{"text":"List three HTTP caching headers."}]}]}'

Ob Streaming oder nicht, jede generateContent-Antwort endet mit einem usageMetadata-Objekt. Lesen Sie es bei jedem Aufruf:

"usageMetadata": {
  "promptTokenCount": 12,
  "candidatesTokenCount": 84,
  "thoughtsTokenCount": 310,
  "totalTokenCount": 406
}

thoughtsTokenCount ist die Zahl, die Sie bei 3.8 Flash im Auge behalten sollten. Denk-Tokens werden während der Einführungsphase als Ausgabe-Tokens zu 3,75 $ pro Million abgerechnet, und Google gibt an, dass das Modell „mehr Tokens verwenden könnte, um die Leistung zu maximieren, insbesondere bei höheren Anstrengungsniveaus“. Artificial Analysis maß etwa 48.000 Ausgabe-Tokens pro Aufgabe bei seinem Index-Durchlauf auf high, 30 % mehr als 3.7 Flash, was die Kosten pro Aufgabe von 0,40 $ auf 0,58 $ bei unveränderten Pro-Token-Preisen erhöhte. Ihre medium- und low-Durchläufe lagen bei 0,41 $ bzw. 0,24 $ pro Aufgabe. Der Leitfaden zu den Denk-Levels wandelt diese Zahlen in eine Pro-Route-Strategie um.

Um zu sehen, worüber das Modell nachgedacht hat, fügen Sie "includeThoughts": true innerhalb von thinkingConfig hinzu. Gedankenzusammenfassungen werden als Teile mit der Kennzeichnung "thought": true zurückgegeben; überspringen Sie diese, wenn Sie die sichtbare Antwort zusammenstellen.

Fehler, auf die Sie in der ersten Stunde stoßen werden

thinking_level: "minimal" führt zu Validierungsfehlern. Gemini 3.8 Flash unterstützt nur low, medium und high. Das Senden von minimal gibt einen 400 INVALID_ARGUMENT mit der Meldung „Thinking level MINIMAL is not supported for this model. Please retry with other thinking level.“ zurück (verifiziert mit einem Live-Aufruf am 3. September 2026), und die Behebung erfordert eine ein Wort umfassende Änderung zu low. Ältere 3.x-Konfigurationen und kopierte Snippets sind die übliche Ursache.

429 bedeutet, dass Sie das Limit Ihres Tarifs erreicht haben, nicht einen Fehler. Die Seite zu den Ratenbegrenzungen erklärt die Stufen: Der kostenlose Tarif ist ratenbegrenzt, Tier 1 wird freigeschaltet, wenn Sie ein Abrechnungskonto verknüpfen, Tier 2 erfordert 100 $ Ausgaben plus drei Tage, und Tier 3 erfordert 1.000 $ plus 30 Tage. Die Anfragen pro Minute und Tokens pro Minute pro Modell werden nur auf der AI Studio-Ratenbegrenzungs-Seite für Ihr Konto angezeigt, überprüfen Sie es dort, anstatt einer Zahl aus einem Blogbeitrag zu vertrauen. Bei einer 429er-Antwort warten Sie und versuchen Sie es erneut; bei wiederholten 429er-Antworten bei geringem Volumen aktualisieren Sie den Tarif. Für Offline-Jobs ist die Batch API die bessere Lösung: Sie läuft mit 50 % Rabatt (0,375 $ / 1,875 $ pro Million Tokens während der Einführungsphase) und hat eigene enqueued-Token-Limits von 3M in Tier 1, 400M in Tier 2 und 1B in Tier 3. Der Gemini Batch-Modus-Leitfaden zeigt die Anforderungsstruktur.

Fehlende call_id bei einem Funktionsergebnis. Wenn Sie Tools verwenden, muss jedes function_result (Interactions) sowohl call_id als auch name bei 3.8 Flash enthalten, und jedes Legacy functionResponse muss die passende id plus name enthalten. Das Weglassen einer davon führt zum Fehlschlag der Runde.

Testen Sie beide Endpunkte in Apidog, bevor sie ausgeliefert werden

Sobald beide Anfragen vom Terminal aus funktionieren, verschieben Sie sie an einen Ort, an dem das gesamte Team sie ausführen kann. Laden Sie Apidog herunter, erstellen Sie ein Projekt und fügen Sie die beiden oben genannten Endpunkte als gespeicherte Anfragen hinzu. Vier Gewohnheiten zahlen sich aus:

• Halten Sie den Schlüssel aus der Anfrage fern. Fügen Sie GEMINI_API_KEY als Umgebungsvariable hinzu und referenzieren Sie es als {{GEMINI_API_KEY}} im x-goog-api-key-Header. Die gespeicherte Anfrage enthält niemals das Geheimnis, und der Wechsel zwischen einem kostenlosen Schlüssel und einem kostenpflichtigen Schlüssel ist eine einzige Umgebungsänderung.
• Prüfen Sie den Status und die Token-Nutzung. Fügen Sie eine Behauptung hinzu, dass der Status 200 ist, und dann eine JSON-Pfad-Behauptung, dass usageMetadata.thoughtsTokenCount unter einem von Ihnen pro Prompt gewählten Limit bleibt. Das Limit ist Ihr Kostenregressionsalarm: Wenn ein Prompt-Update oder eine stille Modelländerung die Denk-Tokens erhöht, schlägt der Test fehl, bevor die Rechnung kommt. Der SSE-Testleitfaden behandelt die Streaming-Variante, die Apidog als zusammengeführten Event-Stream anstelle von Roh-Chunks rendert.
• Senden Sie denselben Prompt auf allen drei Levels. Duplizieren Sie die Anfrage mit low, medium und high und vergleichen Sie thoughtsTokenCount und die Antwortzeit nebeneinander. Das liefert Ihnen reale Zahlen für Ihre Prompts anstelle von Index-Durchschnitten.
• Planen Sie es ein. Verwandeln Sie die Anfragen in ein Testszenario und führen Sie es nach einem Zeitplan aus, damit eine Änderung der Ratenbegrenzung, eine Validierungsänderung wie die Entfernung von minimal oder ein Token-Anstieg in einem Bericht und nicht in der Produktion angezeigt wird. Wie man API-Tests in Apidog plant führt Sie durch die Einrichtung.

Apidog führt das Modell nicht aus und ersetzt das SDK nicht. Es bietet Ihnen eine gespeicherte, teilbare, überprüfbare Version der HTTP-Aufrufe, was der Teil ist, den die meisten Teams überspringen, bis etwas kaputt geht.

FAQ

Welchen Endpunkt sollten neue Projekte verwenden? Die Interactions API. Google bezeichnet generateContent als Legacy, und es wird immer noch vollständig unterstützt, aber neue Funktionen landen zuerst bei Interactions, und der serverseitige Status verkürzt den Multi-Turn-Code. Behalten Sie generateContent für bestehende Dienste, bis Sie einen Grund zur Migration haben.

Benötige ich ein kostenpflichtiges Konto, um Gemini 3.8 Flash aufzurufen? Nein. Ein kostenloser AI Studio-Schlüssel funktioniert, mit Ratenbegrenzungen und Googles Datennutzungsbedingungen. Der Leitfaden zur kostenlosen Nutzung listet auf, was der kostenlose Tarif bietet und was nicht, einschließlich der Tatsache, dass die Gemini-App einen AI Pro- oder Ultra-Plan für 3.8 Flash erfordert.

Ist 3.8 Flash langsamer als 3.7 Flash? Pro Token, nein. Googles Logan Kilpatrick sagte, es sei ungefähr die gleiche Geschwindigkeit, und Artificial Analysis maß etwa 300 Ausgabe-Tokens pro Sekunde. Pro Aufgabe dauert es auf high länger (2,5 Minuten gegenüber 2,2 in ihren Durchläufen), weil es mehr Tokens generiert.

Kann ich Gemini 3.7 Flash weiterhin aufrufen? Ja. Google sagt, 3.7 Flash „bleibt vollständig unterstützt“ und hat kein Enddatum veröffentlicht. Wenn die zusätzlichen Token-Ausgaben für 3.8 Flash Ihnen bei Ihrer Arbeitslast nichts bringen, ist das Verbleiben eine gültige Wahl.

Unterstützt 3.8 Flash die Live API oder die Bilderzeugung? Nein. Es gibt nur Text aus. Audioerzeugung, Bilderzeugung und die Live API werden bei diesem Modell nicht unterstützt.

Nächste Schritte

Sie haben nun zwei funktionierende Aufrufpfade, ein Multi-Turn-Muster und eine Token-Nutzungsprüfung. Von hier aus können Sie Tools mit dem Funktionsaufruf-Leitfaden verbinden, Ihre Level pro Route mit dem Beitrag zu den Denk-Levels festlegen, und wenn Sie noch überlegen, ob Sie überhaupt wechseln sollen, zeigt der Vergleich zwischen 3.8 und 3.7 Flash die Kompromisse auf. Lassen Sie das Apidog-Szenario laufen, damit Kostenabweichungen als fehlgeschlagener Test angezeigt werden.